Ejecutivos opinan que la IA vocal aún no brilla.

El horizonte de la inteligencia artificial en el ámbito de la voz está tomando un rumbo emocionante. Inversores de todo el mundo están destinando miles de millones a startups de voz AI, que abarcan un amplio espectro de aplicaciones, desde la creación de modelos hasta la atención al cliente, y desde asistentes para la toma de notas hasta herramientas de dictado inteligente.

Cada semana trae consigo el anuncio de un nuevo modelo o herramienta que promete simular la comunicación humana de manera sorprendente. Sin embargo, las percepciones sobre estos avances a menudo no se alinean con la realidad. Shawn Wen, CTO de la plataforma de voz AI PolyAI, sugiere que, aunque hemos alcanzado el desarrollo de modelos de comunicación bidireccional —capaces de escuchar y hablar simultáneamente—, aún no hemos vivido el verdadero “momento ChatGPT” en la voz AI.

Wen se refiere a la necesidad de que el razonamiento de estos modelos sea rápido, lo que permitirá una interacción más fluida y natural en las conversaciones. A su juicio, los agentes de inteligencia artificial que operan en el servicio al cliente deben evitar sonar robóticos; deben inspirar suficiente confianza en el usuario para que este crea que sus problemas pueden ser resueltos eficientemente.

En este contexto, Alex Gay, CMO de la herramienta de toma de notas Otter, destaca que la identificación del hablante, la captura de intenciones y la organización eficaz de la información son pasos cruciales para la automatización. Su proyecto también incluye trabajar en gemelos digitales que representen a las personas en reuniones. Para que tal tecnología sea efectiva, es determinante que la voz generada transmita las mismas expresiones emocionales que esperaríamos en una conversación humana.

Gay enfatiza que las conversaciones más efectivas son aquellas donde se puede debatir y discutir estratégicamente, subrayando que la ausencia de un sentido de relación convierte a los asistentes automatizados en meros chatbots que responden preguntas.

A pesar de las mejoras en los modelos de voz AI, persisten desafíos en la comprensión del usuario. Wen señala que los modelos de Reconocimiento Automático de Voz (ASR) a menudo pasan por alto palabras clave críticas, lo que afecta la captura del contexto completo. Gay coincide, agregando que la precisión en la transcripción es esencial, ya que cualquier error puede conducir a acciones incorrectas, destruyendo la confianza en la plataforma.

Además, emerge la cuestión de la transparencia con estas herramientas. Es fundamental que se aclare a los usuarios que están siendo grabados o interactuando con inteligencia artificial. Otter busca fomentar la confianza en sus reuniones, incluso implementando métodos para notificar a todos los participantes que la reunión está siendo grabada. Wen también destaca la importancia de que los participantes sean conscientes de que están hablando con una AI en llamadas empresariales.

La información presentada corresponde a la fecha de publicación original (2026-10-11 08:00:00). Sin embargo, en el cambiante panorama tecnológico, las dinámicas sobre el uso y la aceptación de la voz AI continúan en evolución.

Gracias por leer Columna Digital, puedes seguirnos en Facebook, Twitter, Instagram o visitar nuestra página oficial. No olvides comentar sobre este articulo directamente en la parte inferior de esta página, tu comentario es muy importante para nuestra área de redacción y nuestros lectores.